Alibaba Cloud Model Studio:Fun-ASR non-real-time speech recognition Python SDK

model

str

Sim

O nome do modelo.

file_urls

list[str]

Sim

Uma lista de URLs dos arquivos de áudio ou vídeo a serem transcritos. HTTP e HTTPS são suportados. Uma única solicitação suporta apenas uma URL. Para requisitos de entrada, como formatos de áudio suportados, limites de tamanho de arquivo e limites de duração, consulte Audio specifications.

Se a gravação estiver armazenada no Alibaba Cloud OSS, a API RESTful suporta URLs temporárias com o prefixo oss://, enquanto o SDK não suporta URLs temporárias com o prefixo oss://.

parameters.vocabulary_id

str

Não

O ID de uma lista de palavras-chave pré-compilada.

Gere esse ID antecipadamente chamando a API de criação de lista de palavras-chave. Passe o ID durante o reconhecimento para usar as palavras-chave da lista.

Indicado para cenários onde o vocabulário é conhecido e relativamente estável, e onde você precisa reutilizar a mesma lista de palavras entre solicitações.

Para detalhes de uso, consulte Precompiled hotwords.

parameters.vocabulary

dict

Não

Hotwords instantâneas. Passe pares de chave-valor em que as chaves são os textos das hotwords (string) e os valores são pesos inteiros (integer). Não é necessário criar uma lista pré-compilada.

Para saber como usar, consulte Hotwords instantâneas.

Exemplo:

O exemplo a seguir reutiliza o client configurado com a região e o workspace em Início rápido.

vocab = {"Zhang San": 5, "Li Si": 5}
result = client.audio.asr.jobs.create(
    model="fun-asr",
    file_urls=["{YOUR_AUDIO_URL}"],
    parameters={"vocabulary": vocab},
)

parameters.channel_id

list[int]

Não

O índice das faixas de áudio a serem reconhecidas em um arquivo de áudio com múltiplas faixas. O índice começa em 0. Por exemplo, [0] reconhece a primeira faixa, e [0, 1] reconhece a primeira e a segunda faixas simultaneamente. Se você omitir este parâmetro, apenas a primeira faixa será processada.

Valor padrão: [0].

parameters.special_word_filter

str

Não

As palavras sensíveis a serem processadas durante o reconhecimento de fala. Você pode definir um método de tratamento diferente para cada palavra sensível. Para detalhes, consulte Sensitive word filtering.

parameters.diarization_enabled

bool

Não

Se deve ativar a diarização de falantes. Desativado por padrão.

Aplica-se apenas a áudio mono. Áudio multicanal não suporta diarização de falantes.

Quando ativado, o resultado do reconhecimento inclui um campo speaker_id que distingue diferentes falantes.

Valor padrão: False.

Para um exemplo de speaker_id, consulte Recognition result description.

parameters.speaker_count

int

Não

Um valor de referência para o número de falantes. O intervalo válido é um número inteiro de 2 a 100 (inclusive).

Por padrão, o número de falantes é detectado automaticamente. Se você definir este valor, ele apenas orientará o algoritmo a gerar a contagem especificada quando possível, sem garantir essa contagem exata.

Sem valor padrão.

parameters.language_hints

list[str]

Não

Os códigos de idioma a serem reconhecidos. Se você não puder determinar o idioma antecipadamente, deixe-o indefinido e o modelo detectará o idioma automaticamente.

Você pode definir até 1 valor. Se definir mais, apenas os 1 primeiros serão usados.

task_id

O ID da tarefa.

status

O status da tarefa: PENDING, RUNNING, SUCCEEDED ou FAILED.

submitted_at

O horário de envio, correspondente a job.output["submit_time"].

scheduled_at

O início do processamento, correspondente a job.output["scheduled_time"].

finished_at

O horário de conclusão, correspondente a job.output["end_time"].

output

O dicionário de saída bruta da tarefa.

results

A lista de resultados de subtarefas, acessível por job.results. Baixe o arquivo JSON em transcription_url para obter o texto reconhecido.

usage

Informações de uso da tarefa.

code

O código de erro. Combine-o com o campo message e consulte Error codes para solucionar o problema.

message

A mensagem de erro. Combine-a com o campo code e consulte Error codes para solucionar o problema.

task_id

ID da tarefa.

task_status

Status da tarefa.

Um dos quatro estados: PENDING, RUNNING, SUCCEEDED e FAILED.

Quando uma tarefa contém várias subtarefas, o status geral da tarefa é marcado como SUCCEEDED desde que qualquer subtarefa tenha sucesso. Verifique o campo subtask_status para determinar o resultado de cada subtarefa.

results

Resultados do reconhecimento das subtarefas.

subtask_status

Status da subtarefa.

Um dos quatro estados: PENDING, RUNNING, SUCCEEDED e FAILED.

file_url

URL do áudio reconhecido.

transcription_url

URL do resultado do reconhecimento de áudio.

O resultado do reconhecimento é salvo como um arquivo JSON. Você pode baixar o arquivo pelo link associado a transcription_url ou ler seu conteúdo diretamente por meio de uma solicitação HTTP. Para o conteúdo do arquivo JSON, consulte Recognition result description.

audio_format

string

O formato de áudio do arquivo de origem.

channels

array[integer]

O índice da faixa de áudio no arquivo de origem. Para áudio de faixa única, [0] é retornado; para áudio de duas faixas, [0, 1] é retornado; e assim por diante.

original_sampling_rate

integer

A taxa de amostragem (Hz) do áudio no arquivo de origem.

original_duration_in_milliseconds

integer

A duração original do áudio (ms) no arquivo de origem.

channel_id

integer

O índice da faixa do resultado da transcrição, começando em 0.

content_duration

integer

A duração (ms) do conteúdo na faixa identificado como fala.

O service de modelo de reconhecimento de fala transcreve apenas o conteúdo de uma faixa identificado como fala, medindo e faturando com base nessa duração. Conteúdo que não seja fala não é medido nem faturado. Normalmente, a duração do conteúdo de fala é menor que a duração original do áudio. Como a existência de conteúdo de fala é determinada por um modelo de IA, o resultado pode diferir ligeiramente da situação real.

transcript

string

O resultado da transcrição no nível de parágrafo.

sentences

array

O resultado da transcrição no nível de sentença.

words

array

O resultado da transcrição no nível de palavra.

begin_time

integer

O carimbo de data/hora inicial (ms).

end_time

integer

O carimbo de data/hora final (ms).

text

string

O resultado da transcrição.

speaker_id

integer

O índice do falante atual, começando em 0, usado para distinguir diferentes falantes.

Este campo aparece no resultado do reconhecimento apenas quando a diarização de falantes está ativada.

punctuation

string

A pontuação prevista após a palavra, se houver.

transcribe

def transcribe(
    file_urls: List[str],
    *,
    model: str = "qwen-audio-3.1-asr-flash-filetrans",
    parameters: Optional[Dict[str, Any]] = None,
    phrase_id: Optional[str] = None,
    timeout: float = 86400.0,
    submit_timeout: Optional[float] = None,
    poll_interval: float = 1.0,
    max_interval: float = 8.0,
    api_key: Optional[str] = None,
    workspace: Optional[str] = None,
) -> Job

Envie uma tarefa e aguarde a conclusão de forma síncrona. O modelo padrão é qwen-audio-3.1-asr-flash-filetrans. Especifique model explicitamente para chamar outro modelo.

jobs.create

def create(
    *,
    model: str,
    file_urls: List[str],
    parameters: Optional[Dict[str, Any]] = None,
    phrase_id: Optional[str] = None,
    timeout: Optional[float] = None,
    api_key: Optional[str] = None,
    workspace: Optional[str] = None,
) -> Job

Envie uma tarefa e retorne um Job com task_id e status, sem aguardar a conclusão do reconhecimento.

jobs.wait

def wait(
    job: Union[Job, str],
    *,
    poll_interval: float = 1.0,
    max_interval: float = 8.0,
    timeout: float = 86400.0,
    api_key: Optional[str] = None,
    workspace: Optional[str] = None,
) -> Job

Passe um Job ou ID de tarefa e aguarde a conclusão de forma síncrona. Defina os intervalos inicial e máximo de consulta com poll_interval e max_interval, e o tempo total de espera com timeout. Todos os valores são em segundos.

jobs.fetch

def fetch(
    task_id: str,
    *,
    timeout: Optional[float] = None,
    api_key: Optional[str] = None,
    workspace: Optional[str] = None,
) -> Job

Consulte o status e os resultados da tarefa uma vez por ID, sem aguardar a conclusão.